Predição de bandas espectrais e classificação de imagens de satélite para identificação e mapeamento de áreas úmidas: um estudo de caso na Bacia Hidrográfica do Rio dos Sinos

• Ano de defesa: 2021
• Autor(a) principal: Ruppenthal, Ana Caroline
• Orientador(a): Schulz, Uwe Horst
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Vale do Rio dos Sinos
• Programa de Pós-Graduação: Programa de Pós-Graduação em Biologia
• Departamento: Escola Politécnica
• País: Brasil
• Palavras-chave em Português: Áreas úmidas; Sensoriamento remoto; Redes neurais artificiais; Inteligência artificial; Classificação supervisionada
• Palavras-chave em Inglês: Wetlands; Remote sensing; Artificial neural networks; Artificial intelligence; Supervised classification
• Área do conhecimento CNPq: ACCNPQ::Ciências Biológicas::Biologia Geral
• Link de acesso: http://www.repositorio.jesuita.org.br/handle/UNISINOS/10086

As Áreas Úmidas (AUs) são ecossistemas que possuem alta biodiversidade e produtividade, além de promoverem múltiplos serviços ecossistêmicos de importância global. No Rio Grande do Sul as AUs são conhecidas pelo termo local “banhados”. Estes ecossistemas, embora sejam amplamente reconhecidos, ainda são negligenciados e degradados. A Bacia Hidrográfica do Rio dos Sinos (BHRS) vêm sofrendo pressões antrópicas constantes que resultam na degradação das AUs devido, principalmente, ao aumento populacional que demanda áreas habitáveis. Neste contexto, é de extrema urgência a necessidade de elaborar estratégias de conservação das AUs na bacia hidrográfica. Por serem ecossistemas complexos devido as suas características de hidrologia, solo, vegetação e espectrais, o Sensoriamento Remoto (SR) se mostra como uma ferramenta eficiente na identificação e mapeamento das AUs, gerando subsídios para o poder público criar estratégias de proteção e fiscalização. Deste modo, esta dissertação teve como objetivos i) delimitar as AUs remanescentes da BHRS com uso de imagens centimétricas GeoEye-1 e SIG gratuito; ii) aferir as AUs com uso de Veículo Aéreo Não Tripulado (VANT); iii) propor um método para predizer bandas espectrais a partir de imagem RGB de resolução centimétrica por meio de Rede Neural Artificial (RNA), com o intuito de gerar uma imagem com alta resolução espacial e mais alta resolução espectral para posterior classificação de AUs; e iv) elaborar um guia de identificação de AUs da BHRS, com apresentação de um método de aferição dos indicadores de AUs em campo. Os resultados mostraram que o uso de imagens centimétricas eleva a precisão do mapeamento de AUs, sendo que uma área total de 93,11km² foi mapeada. A predição de bandas espectrais com uso de RNA foi capaz de gerar uma imagem com resolução espacial (2m) e espectral (RGB+NIR+RE 1,2,3,4 + SWIR 1 e 2). A imagem predita gerou uma melhor delimitação das AUs quando comparada a imagem bruta (RGB+NIR). Por fim, o Guia de Identificação de Banhados trouxe uma base científica e técnica para identificação das AUs em campo. Concluiu-se que os resultados deste trabalho servirão como subsídio para a complementação do planejamento ambiental da BHRS e a conservação das AUs remanescentes.